From e65ad4ac6dacfc69d15400092d8d6b96ad17d7e9 Mon Sep 17 00:00:00 2001 From: zjks98 Date: Wed, 15 Oct 2025 11:24:41 +0800 Subject: [PATCH] kimi k2 readme init --- MindIE/LLM/Kimi-K2/Kimi-K2-Instruct/README.md | 602 ++++++++++++++++++ 1 file changed, 602 insertions(+) create mode 100644 MindIE/LLM/Kimi-K2/Kimi-K2-Instruct/README.md diff --git a/MindIE/LLM/Kimi-K2/Kimi-K2-Instruct/README.md b/MindIE/LLM/Kimi-K2/Kimi-K2-Instruct/README.md new file mode 100644 index 0000000000..33dbbc2548 --- /dev/null +++ b/MindIE/LLM/Kimi-K2/Kimi-K2-Instruct/README.md @@ -0,0 +1,602 @@ + +# Kimi-K2 + +## 硬件要求 +部署Kimi-K2模型用W8A8量化权重进行推理则至少需要4台Atlas 800I A2 (8\*64G)。 + +## 权重 +**权重下载** +### FP8原始权重下载 +- [Kimi-K2-Instruct](https://huggingface.co/moonshotai/Kimi-K2-Instruct/tree/main) + +### 权重转换（Convert FP8 weights to BF16） + +NPU侧权重转换 + +注意： +- Kimi-K2模型基本复用DeepSeek-V3的模型结构，所以可以直接复用DeepSeek-V2的权重转换脚本。详见：[DeepSeek-V2模型转换](https://gitee.com/ascend/ModelZoo-PyTorch/blob/master/MindIE/LLM/DeepSeek/DeepSeek-V3/README.md#%E6%9D%83%E9%87%8D%E8%BD%AC%E6%8D%A2convert-fp8-weights-to-bf16) + +### W8A8量化权重生成(BF16 to INT8) + +注意： +- Kimi-K2模型基本复用DeepSeek-V3的模型结构，量化过程同理可以参考 [DeepSeek模型量化方法介绍](https://gitee.com/ascend/msit/tree/br_noncom_MindStudio_8.0.0_POC_20251231/msmodelslim/example/DeepSeek) + +## 推理前置准备 + +- 修改模型文件夹属组为1001 -HwHiAiUser属组（容器为Root权限可忽视） +- 执行权限为750： +```sh +chown -R 1001:1001 {/path-to-weights/Kimi-K2-Instruct} +chmod -R 750 {/path-to-weights/Kimi-K2-Instruct} +``` + +## 推理前置准备 +- 检查机器网络情况 +``` +# 1.检查物理链接 +for i in {0..7}; do hccn_tool -i $i -lldp -g | grep Ifname; done +``` +``` +# 2.检查链接情况 +for i in {0..7}; do hccn_tool -i $i -link -g ; done +``` +``` +# 3.检查网络健康情况 +for i in {0..7}; do hccn_tool -i $i -net_health -g ; done +``` +``` +# 4.查看侦测ip的配置是否正确 +for i in {0..7}; do hccn_tool -i $i -netdetect -g ; done +``` +``` +# 5.查看网关是否配置正确 +for i in {0..7}; do hccn_tool -i $i -gateway -g ; done +``` +``` +# 6.检查NPU底层tls校验行为一致性，建议统一全部设置为0，避免hccl报错 +for i in {0..7}; do hccn_tool -i $i -tls -g ; done | grep switch +``` +``` +# 7.NPU底层tls校验行为置0操作，建议统一全部设置为0，避免hccl报错 +for i in {0..7};do hccn_tool -i $i -tls -s enable 0;done +``` +- 获取每张卡的ip地址 +``` +for i in {0..7};do hccn_tool -i $i -ip -g; done +``` +- 需要用户自行创建rank_table_file.json，参考如下格式配置 + +以下是一个双机用例，用户自行添加ip，补全device： +``` +{ + "server_count": "2", + "server_list": [ + { + "device": [ + { + "device_id": "0", + "device_ip": "...", + "rank_id": "0" + }, + { + "device_id": "1", + "device_ip": "...", + "rank_id": "1" + }, + ... + { + "device_id": "7", + "device_ip": "...", + "rank_id": "7" + }, + ], + "server_id": "...", + "container_ip": "..." + }, + { + "device": [ + { + "device_id": "0", + "device_ip": "...", + "rank_id": "8" + }, + { + "device_id": "1", + "device_ip": "...", + "rank_id": "9" + }, + ... + { + "device_id": "7", + "device_ip": "...", + "rank_id": "15" + }, + ], + "server_id": "...", + "container_ip": "..." + }, + ], + "status": "completed", + "version": "1.0" +} +``` +| 参数 | 说明 | +|---------------|------------------------------------------------------------| +| server_count | 总节点数 | +| server_list | server_list中第一个server为主节点 | +| device_id | 当前卡的本机编号，取值范围[0, 本机卡数) | +| device_ip | 当前卡的ip地址，可通过hccn_tool命令获取 | +| rank_id | 当前卡的全局编号，取值范围[0, 总卡数) | +| server_id | 当前节点的ip地址 | +| container_ip | 容器ip地址（服务化部署时需要），若无特殊配置，则与server_id相同 | + +rank_table_file.json配置完成后，需要执行命令修改权限为640 +```sh +chmod -R 640 {rank_table_file.json路径} +``` + +## 加载镜像 +需要使用mindie:2.2及其后版本。 + +前往[昇腾社区/开发资源](https://www.hiascend.com/developer/ascendhub/detail/af85b724a7e5469ebd7ea13c3439d48f)下载适配，下载镜像前需要申请权限，耐心等待权限申请通过后，根据指南下载对应镜像文件。 + +完成之后，请使用`docker images`命令确认查找具体镜像名称与标签。 +``` +docker images +``` + +## 容器启动 + +#### 启动容器 + +- 执行以下命令启动容器（参考）： +```sh +docker run -itd --privileged --name= {容器名称} --net=host \ + --shm-size 500g \ + --device=/dev/davinci0 \ + --device=/dev/davinci1 \ + --device=/dev/davinci2 \ + --device=/dev/davinci3 \ + --device=/dev/davinci4 \ + --device=/dev/davinci5 \ + --device=/dev/davinci6 \ + --device=/dev/davinci7 \ + --device=/dev/davinci_manager \ + --device=/dev/hisi_hdc \ + --device /dev/devmm_svm \ + -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \ + -v /usr/local/Ascend/firmware:/usr/local/Ascend/firmware \ + -v /usr/local/sbin/npu-smi:/usr/local/sbin/npu-smi \ + -v /usr/local/sbin:/usr/local/sbin \ + -v /etc/hccn.conf:/etc/hccn.conf \ + -v {/权重路径:/权重路径} \ + -v {/rank_table_file.json路径:/rank_table_file.json路径} \ + {swr.cn-south-1.myhuaweicloud.com/ascendhub/mindie:1.0.0-XXX-800I-A2-arm64-py3.11（根据加载的镜像名称修改）} \ + bash +``` +#### 进入容器 + +- 执行以下命令进入容器（参考）： +```sh +docker exec -it {容器名称} bash +``` + +#### 设置基础环境变量 +``` +source /usr/local/Ascend/ascend-toolkit/set_env.sh +source /usr/local/Ascend/nnal/atb/set_env.sh +source /usr/local/Ascend/atb-models/set_env.sh +source /usr/local/Ascend/mindie/set_env.sh +``` +#### 开启通信环境变量 +``` +export ATB_LLM_HCCL_ENABLE=1 +export ATB_LLM_COMM_BACKEND="hccl" +export HCCL_CONNECT_TIMEOUT=7200 # 该环境变量需要配置为整数，取值范围[120,7200]，单位s +四机： +export WORLD_SIZE=32 +export HCCL_EXEC_TIMEOUT=0 +``` + +#### 第三方库安装 +``` +# Kimi-K2有特定的transformers版本要求以及blobfile第三方库要求 +pip install transformers==4.48.3 +pip install blobfile +``` + +## 纯模型推理 +【使用场景】使用相同输入长度和相同输出长度，构造多Batch去测试纯模型性能 + +#### 参数配置 +- Kimi-K2 需要配置ep_level为2 +``` +cd /usr/local/Ascend/atb-models/atb_llm/ +vim conf/config.json + +修改如下 ep_level 参数: + +"deepseekv2": { + "eplb": { + ... + }, + "ep_level": 2, + ... +} +``` +- tp并行参数需要做一定限制：总卡数 / tp >= 8。例如：总卡数为32，则tp需要小于等于4，满足 32 / 4 >= 8。 + + +#### 精度测试 +- 进入modeltest路径 +``` +cd /usr/local/Ascend/atb-models/tests/modeltest/ +``` +- 运行测试脚本 + +Step1.主副节点分别先清理残余进程： +``` +pkill -9 -f 'mindie|python' +``` +Step2.需在所有机器上同时执行： +``` +bash run.sh pa_[data_type] [dataset] ([shots]) [batch_size] [model_name] ([is_chat_model]) [weight_dir] [rank_table_file] [world_size] [node_num] [rank_id_start] [master_address] ([parallel_params]) +``` +参数说明： +1. `data_type`：为数据类型，根据权重目录下config.json的data_type选择bf16或者fp16，例如：pa_bf16。 +2. `dataset`：可选full_BoolQ、full_CEval等，相关数据集可至[魔乐社区MindIE](https://modelers.cn/MindIE)下载，（下载之前，需要申请加入组织，下载之后拷贝到/usr/local/Ascend/atb-models/tests/modeltest/路径下）CEval与MMLU等数据集需要设置`shots`（通常设为5）。 +3. `batch_size`：为`batch数`。 +4. `model_name`：为`deepseekv3`。 +5. `is_chat_model`：为`是否支持对话模式，若传入此参数，则进入对话模式`。 +6. `weight_dir`：为模型权重路径。 +7. `rank_table_file`：为“前置准备”中配置的`rank_table_file.json`路径。 +8. `world_size`：为总卡数。 +9. `node_num`：为当前节点编号，即`rank_table_file.json`的`server_list`中顺序确定。 +10. `rank_id_start`：为当前节点起始卡号，即`rank_table_file.json`中当前节点第一张卡的`rank_id`，Atlas 800I-A2双机场景下，主节点为0，副节点为8。 +11. `master_address`：为主节点ip地址，即`rank_table_file.json`的`server_list`中第一个节点的ip。 +12. `parallel_params`: 接受一组输入，格式为[dp,tp,sp,moe_tp,moe_ep,pp,microbatch_size,cp]，如[8,1,-1,1,8,-1,-1,-1] + +测试脚本运行如下，以四机为例： + +样例 AIME2024 + +主节点 +``` +bash run.sh pa_bf16 full_AIME2024 10 deepseekv3 {/path/to/weights/Kimi-K2} trust_remote_code {/path/to/xxx/ranktable.json} 32 4 0 {主节点IP} [8, 4, -1, 1, 32, -1, -1, -1] +# 0 代表从0号卡开始推理，之后的机器依次从8，16，24。 +``` +副节点1 +``` +bash run.sh pa_bf16 full_AIME2024 10 deepseekv3 {/path/to/weights/Kimi-K2} trust_remote_code {/path/to/xxx/ranktable.json} 32 4 8 {主节点IP} [8, 4, -1, 1, 32, -1, -1, -1] +# 0 代表从0号卡开始推理，之后的机器依次从8，16，24。 +``` +副节点2 +``` +bash run.sh pa_bf16 full_AIME2024 10 deepseekv3 {/path/to/weights/Kimi-K2} trust_remote_code {/path/to/xxx/ranktable.json} 32 4 16 {主节点IP} [8, 4, -1, 1, 32, -1, -1, -1] +# 0 代表从0号卡开始推理，之后的机器依次从8，16，24。 +``` +副节点3 +``` +bash run.sh pa_bf16 full_AIME2024 10 deepseekv3 {/path/to/weights/Kimi-K2} trust_remote_code {/path/to/xxx/ranktable.json} 32 4 24 {主节点IP} [8, 4, -1, 1, 32, -1, -1, -1] +# 0 代表从0号卡开始推理，之后的机器依次从8，16，24。 +``` + +#### 性能测试 +- 进入modeltest路径： +``` +cd /usr/local/Ascend/atb-models/tests/modeltest/ +``` +Step1.主副节点分别先清理残余进程： +``` +pkill -9 -f 'mindie|python' +``` +Step2.需在所有机器上同时执行： +``` +bash run.sh pa_[data_type] performance [case_pair] [batch_size] ([prefill_batch_size]) [model_name] ([is_chat_model]) [weight_dir] [rank_table_file] [world_size] [node_num] [rank_id_start] [master_address] ([parallel_params]) +``` +参数说明： +1. `data_type`：为数据类型，根据权重目录下config.json的data_type选择bf16或者fp16，例如：pa_bf16。 +2. `case_pair`：[最大输入长度,最大输出长度]。 +3. `batch_size`：为`batch数`。 +4. `prefill_batch_size`：为可选参数，设置后会固定prefill的batch size。 +5. `model_name`：为`deepseekv3`。 +6. `is_chat_model`：为`是否支持对话模式，若传入此参数，则进入对话模式`。 +7. `weight_dir`：为模型权重路径。 +8. `rank_table_file`：为“前置准备”中配置的`rank_table_file.json`路径。 +9. `world_size`：为总卡数。 +10. `node_num`：为当前节点编号，即`rank_table_file.json`的`server_list`中顺序确定。 +11. `rank_id_start`：为当前节点起始卡号，即`rank_table_file.json`中当前节点第一张卡的`rank_id`，Atlas 800I-A2双机场景下，主节点为0，副节点为8。 +12. `master_address`：为主节点ip地址，即`rank_table_file.json`的`server_list`中第一个节点的ip。 +13. `parallel_params`: 接受一组输入，格式为[dp,tp,sp,moe_tp,moe_ep,pp,microbatch_size,cp]，如[8,1,-1,1,8,-1,-1,-1] + +测试脚本运行如下，以四机为例： + +主节点 +``` +bash run.sh pa_bf16 performance [[256,256]] 1 deepseekv3 {/path/to/weights/Kimi-K2} trust_remote_code {/path/to/xxx/ranktable.json} 32 4 0 {主节点IP} +# 0 代表从0号卡开始推理，之后的机器依次从8，16，24。 +``` +副节点1 +``` +bash run.sh pa_bf16 performance [[256,256]] 1 deepseekv3 {/path/to/weights/Kimi-K2} trust_remote_code {/path/to/xxx/ranktable.json} 32 4 8 {主节点IP} +# 0 代表从0号卡开始推理，之后的机器依次从8，16，24。 +``` +副节点2 +``` +bash run.sh pa_bf16 performance [[256,256]] 1 deepseekv3 {/path/to/weights/Kimi-K2} trust_remote_code {/path/to/xxx/ranktable.json} 32 4 16 {主节点IP} +# 0 代表从0号卡开始推理，之后的机器依次从8，16，24。 +``` +副节点3 +``` +bash run.sh pa_bf16 performance [[256,256]] 1 deepseekv3 {/path/to/weights/Kimi-K2} trust_remote_code {/path/to/xxx/ranktable.json} 32 4 24 {主节点IP} +# 0 代表从0号卡开始推理，之后的机器依次从8，16，24。 +``` + +## 服务化推理 +【使用场景】对标真实客户上线场景，使用不同并发、不同发送频率、不同输入长度和输出长度分布，去测试服务化性能 +#### 配置服务化环境变量 + +变量含义：expandable_segments-使能内存池扩展段功能，即虚拟内存特性。更多详情请查看[昇腾环境变量参考](https://www.hiascend.com/document/detail/zh/Pytorch/600/apiref/Envvariables/Envir_009.html)。 +``` +export PYTORCH_NPU_ALLOC_CONF=expandable_segments:True +``` +服务化需要`rank_table_file.json`中配置`container_ip`字段。 +所有机器的配置应该保持一致，除了环境变量的MIES_CONTAINER_IP为本机ip地址。 +``` +export MIES_CONTAINER_IP={容器ip地址} +export RANK_TABLE_FILE={rank_table_file.json路径} +``` +workspace内存分配算法选择，详见[加速库环境变量参考](https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/83RC1alpha003/acce/ascendtb/ascendtb_0032.html) +``` +export ATB_WORKSPACE_MEM_ALLOC_ALG_TYPE=3 +export ATB_WORKSPACE_MEM_ALLOC_GLOBAL=1 +``` +配置通信算法的编排展开位置 +``` +export HCCL_OP_EXPANSION_MODE="AIV" +``` +HCCL通信 +``` +export ATB_LLM_HCCL_ENABLE=1 +export HCCL_RDMA_PCIE_DIRECT_POST_NOSTRICT=TRUE +``` +异步发射 +``` +export MINDIE_ASYNC_SCHEDULING_ENABLE=1 +``` +绑核 +``` +export CPU_AFFINITY_CONF=1 +``` +队列优化特性 +``` +export TASK_QUEUE_ENABLE=2 +``` + +#### 修改服务化参数 +``` +cd /usr/local/Ascend/mindie/latest/mindie-service/ +vim conf/config.json +``` +修改以下参数 +``` +"httpsEnabled" : false, # 如果网络环境不安全，不开启HTTPS通信，即“httpsEnabled”=“false”时，会存在较高的网络安全风险 +... +"multiNodesInferEnabled" : true, # 开启多机推理 +... +# 若不需要安全认证，则将以下两个参数设为false +"interCommTLSEnabled" : false, +"interNodeTLSEnabled" : false, +... +"npudeviceIds" : [[0,1,2,3,4,5,6,7]], +... +"modelName" : "kimi_k2" # 不影响服务化拉起 +"modelWeightPath" : "权重路径", +"worldSize":8, +``` +Example：仅供参考，请根据实际情况修改 +``` +{ + "Version" : "1.0.0", + + "ServerConfig" : + { + "ipAddress" : "改成主节点IP", + "managementIpAddress" : "改成主节点IP", + "port" : 1025, + "managementPort" : 1026, + "metricsPort" : 1027, + "allowAllZeroIpListening" : false, + "maxLinkNum" : 1000, + "httpsEnabled" : false, + "fullTextEnabled" : false, + "tlsCaPath" : "security/ca/", + "tlsCaFile" : ["ca.pem"], + "tlsCert" : "security/certs/server.pem", + "tlsPk" : "security/keys/server.key.pem", + "tlsPkPwd" : "security/pass/key_pwd.txt", + "tlsCrlPath" : "security/certs/", + "tlsCrlFiles" : ["server_crl.pem"], + "managementTlsCaFile" : ["management_ca.pem"], + "managementTlsCert" : "security/certs/management/server.pem", + "managementTlsPk" : "security/keys/management/server.key.pem", + "managementTlsPkPwd" : "security/pass/management/key_pwd.txt", + "managementTlsCrlPath" : "security/management/certs/", + "managementTlsCrlFiles" : ["server_crl.pem"], + "kmcKsfMaster" : "tools/pmt/master/ksfa", + "kmcKsfStandby" : "tools/pmt/standby/ksfb", + "inferMode" : "standard", + "interCommTLSEnabled" : false, + "interCommPort" : 1121, + "interCommTlsCaPath" : "security/grpc/ca/", + "interCommTlsCaFiles" : ["ca.pem"], + "interCommTlsCert" : "security/grpc/certs/server.pem", + "interCommPk" : "security/grpc/keys/server.key.pem", + "interCommPkPwd" : "security/grpc/pass/key_pwd.txt", + "interCommTlsCrlPath" : "security/grpc/certs/", + "interCommTlsCrlFiles" : ["server_crl.pem"], + "openAiSupport" : "vllm", + "tokenTimeout": 3600, + "e2eTimeout": 3600, + "distDPServerEnabled":false + }, + + "BackendConfig" : { + "backendName" : "mindieservice_llm_engine", + "modelInstanceNumber" : 1, + "npuDeviceIds" : [[0,1,2,3,4,5,6,7]], + "tokenizerProcessNumber" : 8, + "multiNodesInferEnabled" : true, + "multiNodesInferPort" : 1120, + "interNodeTLSEnabled" : false, + "interNodeTlsCaPath" : "security/grpc/ca/", + "interNodeTlsCaFiles" : ["ca.pem"], + "interNodeTlsCert" : "security/grpc/certs/server.pem", + "interNodeTlsPk" : "security/grpc/keys/server.key.pem", + "interNodeTlsPkPwd" : "security/grpc/pass/mindie_server_key_pwd.txt", + "interNodeTlsCrlPath" : "security/grpc/certs/", + "interNodeTlsCrlFiles" : ["server_crl.pem"], + "interNodeKmcKsfMaster" : "tools/pmt/master/ksfa", + "interNodeKmcKsfStandby" : "tools/pmt/standby/ksfb", + "ModelDeployConfig" : + { + "maxSeqLen" : 10240, + "maxInputTokenLen" : 2048, + "truncation" : false, + "ModelConfig" : [ + { + "modelInstanceType" : "Standard", + "modelName" : "kimi_k2", + "modelWeightPath" : "/home/data/kimi-k2-w8a8", + "worldSize" : 8, + "cpuMemSize" : 0, + "npuMemSize" : -1, + "backendType" : "atb", + "trustRemoteCode" : true, + "dp": 8, + "tp": 4, + "moe_tp": 1, + "moe_ep": 32, + "models": { + "deepseekv2": { + "ep_level": 2 + } + }, + "async_scheduler_wait_time": 120, + "kv_trans_timeout": 10, + "kv_link_timeout": 1080 + } + ] + }, + + "ScheduleConfig" : + { + "templateType" : "Standard", + "templateName" : "Standard_LLM", + "cacheBlockSize" : 128, + + "maxPrefillBatchSize" : 8, + "maxPrefillTokens" : 2048, + "prefillTimeMsPerReq" : 150, + "prefillPolicyType" : 0, + + "decodeTimeMsPerReq" : 50, + "decodePolicyType" : 0, + + "maxBatchSize" : 200, + "maxIterTimes" : 8192, + "maxPreemptCount" : 0, + "supportSelectBatch" : false, + "maxQueueDelayMicroseconds" : 5000 + } + } +} +``` + +#### 拉起服务化 +``` +# 以下命令需在所有机器上同时执行 +# 解决权重加载过慢问题 +export OMP_NUM_THREADS=1 +# 设置显存比 +export NPU_MEMORY_FRACTION=0.95 +# 拉起服务化 +cd /usr/local/Ascend/mindie/latest/mindie-service/ +./bin/mindieservice_daemon +``` + +执行命令后，首先会打印本次启动所用的所有参数，然后直到出现以下输出： +``` +Daemon start success! +``` +则认为服务成功启动。 + +#### 另起客户端 +进入相同容器，向服务端发送请求。 + +更多信息可参考官网信息：[MindIE Service](https://www.hiascend.com/document/detail/zh/mindie/100/mindieservice/servicedev/mindie_service0285.html)。 + +### 精度化测试样例 + +需要开启确定性计算环境变量。 +``` +export LCCL_DETERMINISTIC=1 +export HCCL_DETERMINISTIC=true +export ATB_MATMUL_SHUFFLE_K_ENABLE=0 +``` +使用aisbench进行测试，具体方法可参考[aisbench资料](https://ais-bench-benchmark.readthedocs.io/zh-cn/latest/) + +测试指令样例： +``` +ais_bench --models vllm_api_stream_chat --datasets aime2024_gen_0_shot_chat_prompt --debug +``` + +### 常见问题 + +#### 服务化常见问题 +1. 常见问题可参考[DeepSeek](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/MindIE/LLM/DeepSeek/DeepSeek-V3#%E5%B8%B8%E8%A7%81%E9%97%AE%E9%A2%98) +2. 加载tokenizer报错 +Kimi-K2的权重和tokenizer加载方式是依赖与Kimi本身的代码加载，所以请确保打开trust_remote_code开关，打开此开关意味着mindie将调用本地的代码，您选择开启该开关意味着您认为本地代码的安全，如因运行本地代码产生的问题，华为不承担任何责任。 +``` +"ModelConfig" : [ + { + ... + "trustRemoteCode" : true, + ... + } +] +``` +3. 报错显示transformers版本不一致 +请确保Kimi-K2所需的第三方库版本正确 +``` +pip install transformers==4.48.3 +pip install blobfile +``` +4. 精度出现较大问题，回答内容乱码 +请确保服务化配置参数的正确性 +``` +"ModelConfig" : [ + { + ... + "dp": 8, + "tp": 4, # 确保tp的取值符合 world_size / tp >= 8 + ... + "models": { + "deepseekv2": { + "ep_level": 2 # ep_level 需要设置为2 + } + }, + ... + } +] +``` +#### 权重路径权限问题 +注意保证权重路径是可用的，执行以下命令修改权限，**注意是整个父级目录的权限**： +```sh +chown -R HwHiAiUser:HwHiAiUser {/path-to-weights} +chmod -R 750 {/path-to-weights} +``` +#### 更多故障案例，请参考链接：https://www.hiascend.com/document/caselibrary +## 声明 +- 本代码仓提到的数据集和模型仅作为示例，这些数据集和模型仅供您用于非商业目的，如您使用这些数据集来完成示例，请您特别注意应遵守对应数据集合模型的License，如您因使用数据集或者模型而产生侵权纠纷，华为不承担任何责任。 +- 如您在使用本地代码的过程中，发现任何问题（包括但不限于功能问题、合规问题），请在本代码仓提交issue，我们将及时审视并解答。 \ No newline at end of file -- Gitee